Qwen: Qwen3 VL 30B A3B Instruct

Qwen3-VL-30B-A3B-Instruct es un modelo multimodal que combina una sólida generación de texto con la comprensión visual de imágenes y videos. Su variante Instruct optimiza el seguimiento de instrucciones para tareas multimodales generales. Destaca en la percepción de categorías del mundo real y sintéticas, el anclaje espacial 2D/3D y la comprensión visual de contenido extenso, y obtiene resultados competitivos en benchmarks multimodales. Para usos agénticos, procesa instrucciones con varias imágenes y varios turnos, alineación con la cronología de videos y automatización de interfaces gráficas.